專利名稱：基于塊狀紋理采樣的虹膜圖像數(shù)據(jù)庫合成方法
技術(shù)領(lǐng)域：
本發(fā)明屬于模式識別技術(shù)領(lǐng)域，具體地涉及圖像處理與生物特征識 別技術(shù)。
背景技術(shù)：
生活在一個高度信息化的現(xiàn)代社會，身份識別已經(jīng)滲透到人們?nèi)粘Ｉ?活的每一個方面。生物識別技術(shù)作為新的一種身份識別技術(shù)，得到了越 來越廣泛的應用?；诤缒さ纳锾卣髯R別技術(shù)在過去的十幾年間得到 了迅速的發(fā)展。然而，由于目前公開虹膜圖像數(shù)據(jù)庫并不多，而且相對 較小，而有些大規(guī)模的虹膜圖像數(shù)據(jù)庫仍然是私有的，所以目前的虹膜 識別算法大多數(shù)都只能在一些相對小的數(shù)據(jù)庫上進行性能測試。這樣的 測試結(jié)果不具備很好的泛化能力，因此并不能預測識別算法在大規(guī)模應 用中的性能。由此可見虹膜識別算法迫切需要大規(guī)模的虹膜圖像數(shù)據(jù)庫。 然而獲得一個這樣的數(shù)據(jù)庫非常困難，不僅需要耗費大量的時間和精力， 而且由于人們越來越重視隱私，采集大規(guī)模的虹膜圖像容易帶來有爭議 性的問題。如果我們能夠研究出一種方法，人工的合成虹膜圖像，并生成虹膜圖 像數(shù)據(jù)庫，就可以解決以上諸多問題。合成虹膜圖像不僅可以用于算法 的訓練和測試，還可以作為攻擊數(shù)據(jù)對系統(tǒng)進行安全測試，以增加系統(tǒng) 的防偽功能。目前己經(jīng)采用類似合成技術(shù)進行算法測試的有指紋合成。國際指紋識別競賽(FVC2000， FVC2002， FVC2004， FVC2006)引入了合成的指紋圖像對競賽的算法進行測試。關(guān)于虹膜圖像合成目前也已有一些算法。 例如，采用主成份分析(PCA)和超分辨率合成虹膜圖像，采樣馬爾可夫隨 機場合成虹膜圖像等。發(fā)明內(nèi)容本發(fā)明的目的是提出一種基于塊狀紋理采樣的虹膜圖像數(shù)據(jù)庫合成 方法，以生成大規(guī)模的虹膜圖像數(shù)據(jù)庫，從而為虹膜識別算法提供訓練 和測試數(shù)據(jù)。為實現(xiàn)上述目的，本發(fā)明提供的基于塊狀紋理采樣的虹膜圖像數(shù)據(jù) 庫合成方法包括步驟如下步驟h對虹膜圖像進行虹膜定位，歸一化和去噪的預處理，得到清 晰虹膜塊狀紋理作為采樣虹膜圖像 ，步驟2:利用塊狀紋理采樣的方法，將真實虹膜圖像作為采樣圖像， 合成歸一化虹膜圖像；步驟3:從一幅合成歸一化虹膜圖像生成多幅類內(nèi)虹膜圖像；步驟4:將歸一化虹膜圖像轉(zhuǎn)換成圓環(huán)形；步驟5:采用虹膜圖像外觀，數(shù)據(jù)庫容量和類內(nèi)類間距離為評價指標， 對合成虹膜圖像數(shù)據(jù)庫建立評價體系。本發(fā)明的虹膜圖像合成方法采用從真實的虹膜紋理中采樣的策略， 將每次采樣的紋理塊與原有的紋理在空域中融合，所合成的虹膜紋理外 觀上與真實虹膜相似度高，具有很強的仿真性。本發(fā)明使用的紋理合成 方法能夠生成大規(guī)模的虹膜圖像數(shù)據(jù)庫，從而為算法提供了良好的測試 平臺。本發(fā)明所生成的虹膜圖像數(shù)據(jù)庫的統(tǒng)計特性與真實虹膜庫的統(tǒng)計 特性非常相近，進一步表明合成虹膜圖像數(shù)據(jù)庫可以提供優(yōu)良的測試環(huán) 境。本發(fā)明對于硬件沒有特殊的要求，而且不涉及復雜的計算，易于在 實際的系統(tǒng)中使用。


圖1為虹膜圖像數(shù)據(jù)庫合成的框架圖； 圖2虹膜圖像預處理示例，其中，(a) 是真實虹膜圖像；(b) 是定位后的虹膜圖像；(c) 是歸一化的虹膜圖像；(d) 是待采樣的虹膜圖像；圖3為基于塊狀紋理采樣虹膜圖像合成示意圖，其中，(a) 是待采樣的紋理塊和采樣中若干個紋理塊示意；(b) 是其中一個紋理塊及其示意圖；(c) 是初始化的合成圖像；(d) 是第l個紋理塊粘貼后的示意圖；(e) 是第k個紋理粘貼前的示意圖；(f) 是第k個紋理粘貼后的示意圖。圖4是瞳孔膨脹和收縮時導致虹膜紋理的形變示意圖，其中，(a) 是瞳孔膨脹時的虹膜紋理；(b) 瞳孔膨脹示意圖；(c) 瞳孔收縮時的虹膜紋理；(d) 瞳孔收縮示意圖。圖5是虹膜紋理隨機擾動的示意圖，其中，(a) 是在原有的虹膜紋理上隨機選擇若干區(qū)域的示意圖；(b) 是所選擇的其中一個區(qū)域；(c) 是(b)區(qū)域經(jīng)過擾動后的圖像；(d) 是隨機生成的擾動模板。圖6是環(huán)形虹膜旋轉(zhuǎn)，即歸一化虹膜圖像平移的示意圖，其中，(a) 是平移前的圖像示意圖；(b) 是平移后的圖像示意圖。圖7是真實虹膜圖像和幾種合成虹膜圖像的比較，其中， (a) 、 (b)是真實的歸一化虹膜圖像；(c) 、(d)是用本發(fā)明的方法合成的歸一化虹膜圖像；(e) 是用馬爾科夫隨機場的方法合成的歸一化虹膜圖像；(f) 是用PCA和超分辨率方法合成的歸一化虹膜圖像；(g) 是真實的環(huán)形虹膜圖像；(h) - (p)為本發(fā)明的方法合成的環(huán)形虹膜圖像。圖8是合成虹膜庫類間漢明距離分布圖及其二次曲線擬合。 圖9是真實虹膜庫類間漢明距離分布圖及其二次曲線擬合。 圖IO是合成虹膜庫類內(nèi)類間漢明距離分布圖。圖11是真實虹膜庫類內(nèi)類間漢明距離分布圖。圖12是真實虹膜與合成虹膜的ROC曲線圖。
具體實施方式
下面結(jié)合附圖詳細說明本發(fā)明技術(shù)方案中所涉及的各個細節(jié)問題。 應指出的是，所描述的實施例僅旨在便于對本發(fā)明的理解，而對其不起 任何限定作用。虹膜圖像合成可以為虹膜識別算法提供大規(guī)模的訓練和測試數(shù)據(jù) 庫，從而增強算法的穩(wěn)定性和魯棒性。本發(fā)明提出一種新穎的虹膜圖像 合成算法，其流程框圖如圖1所示。圖1中，待采樣的虹膜圖像是從真 實虹膜圖像中提取得到的虹膜紋理，對該圖像以紋理塊為基元進行采樣 并重新合成后得到了歸一化虹膜圖像，然后根據(jù)虹膜在各種外部和內(nèi)部 條件下的變化特性，由一幅歸一化虹膜圖像合成多幅類內(nèi)虹膜圖像，最 后將合成的類內(nèi)歸一化虹膜圖像環(huán)形化，即通過雙線性插值的方法將其轉(zhuǎn)換成圓環(huán)形。假設(shè)所合成的目標虹膜數(shù)據(jù)庫中有N個子類，本發(fā)明的 方法首先從待采樣圖像中合成N幅歸一化虹膜圖像，由于采樣過程的隨 機性，每幅圖像與其他圖像均互相獨立，自成為一個子類，如圖中第二步驟即合成歸一化虹膜圖像所對應的子類1 子類N所示；圖中第三步驟即合成多幅類內(nèi)圖像縱向?qū)膱D代表從每個子類中的一幅圖像生成了若干幅同類圖像；圖中第四步驟即虹膜圖像環(huán)形化縱向?qū)膱D表示 每個子類的圖像從方形的歸一化圖像最終變成了數(shù)據(jù)庫中的環(huán)形圖像。 圖1中橫向所示標號相同的子類，即第一個子類1和第二個子類1是同 一個子類，但是其存在形式不同，第一個子類1中的圖像為合成的歸一 化圖像，最后一個子類1為最后得到的環(huán)形圖形，其他子類之間遵從同 樣的關(guān)系。與現(xiàn)有的虹膜圖像合成算法相比，本發(fā)明的新穎性在于1)引入塊狀紋理采樣，最大限度的保留了虹膜的紋理基元的特性。 虹膜紋理基元是表達虹膜紋理特性的基本單元，對表達虹膜的外觀和虹 膜的統(tǒng)計特性上起著重要的作用。以往的虹膜圖像合成算法致力于對虹 膜的整體重建、對虹膜的單個象素進行采樣或直接對虹膜圖像作虛擬建模，忽略了虹膜紋理的基元特性。本發(fā)明中，對塊狀紋理采樣包含了虹 膜紋理基元的特性，因此仿真度高。2)引入虹膜紋理的非線性形變來生成多幅類內(nèi)虹膜圖像，有效的模 擬光照條件下虹膜紋理擴張和收縮的情況,為測試識別算法魯棒性的提供 了良好的環(huán)境。下面對本發(fā)明涉及的關(guān)鍵步驟逐一進行詳細說明，本發(fā)明的基本步 驟具體形式如下所述首先，是虹膜圖像的預處理虹膜圖像中不僅包括虹膜，還有瞳孔、鞏膜、眼皮和睫毛等。因此 要得到清晰的虹膜紋理，第一步應該是從虹膜圖像中把虹膜分離出來， 然后將虹膜圓環(huán)歸一化到固定尺寸的矩形區(qū)域，即虹膜的預處理(虹膜 定位和歸一化)，這是關(guān)鍵性的一步。1. 虹膜定位人眼的瞳孔和虹膜外輪廓都很接近圓形，因此我們采用圓模型來擬 合瞳孔和虹膜邊界。人眼瞳孔的灰度低于周圍區(qū)域，所以可以使用閾值 法分割出瞳孔區(qū)域，然后將該區(qū)域的重心作為初步的瞳孔中心，在該點 的附近用可變尺度的模板去擬合瞳孔的邊緣，最佳的擬合結(jié)果就是瞳孔 的定位結(jié)果。虹膜的中心接近瞳孔的中心，所以可以用同樣的方法找到虹膜的中心和半徑。圖2(b)是對圖2(a)中的虹膜定位后的例子。2. 歸一化以雙線性差值的方式，可以將定位好的虹膜圓環(huán)進行空間變換到一 個固定尺寸的矩形區(qū)域。每一幅清晰的虹膜圖像經(jīng)過虹膜歸一化后，都 能得到大小為80x512的矩形區(qū)域。圖2(c)是虹膜歸一化之后的結(jié)果。3. 選取清晰的虹膜紋理作為待采樣圖像由于人眼是人體的一個內(nèi)部器官，虹膜很容易被眼皮睫毛遮擋，為 了提高整個方法的可靠性，我們選取了最不容易被遮擋的虹膜區(qū)域作為 我們感興趣的區(qū)域。圖2(c)中實線矩形表示了待采樣的區(qū)域，即為圖2(d) 所示區(qū)域。對歸一化的虹膜去噪并得到清晰虹膜紋理區(qū)域作為采樣圖像。 去噪并檢測特定的所述目標區(qū)域是將歸一化虹膜圖像中的眼皮和睫毛部 分剔除，保留干凈的虹膜紋理作為合成虹膜的輸入圖像。其二，是利用塊狀紋理采樣來合成歸一化虹膜圖像； 合成歸一化虹膜圖像主要包括三個步驟 1.生成初始化圖像。生成一幅空白的矩形圖像，大小為80^512，與歸一化虹膜圖像大小相 同。如圖3 (C)所示，對該圖像的前We行和We列賦初始值，初始值選取 策略如下其中/^是初始值，為虹膜灰度平均值，v，為高斯白噪聲。 2.對輸入圖像采樣對所得區(qū)域采樣包括步驟對區(qū)域遍歷采集固定尺寸的虹膜紋理塊， 計算每一個紋理塊的邊緣與初始化圖像相應目標區(qū)域的距離，得到邊緣距離最近的若干個虹膜紋理塊并從中隨機選擇一個紋理貼入合成圖像的 目標區(qū)域。其紋理塊的邊緣與目標區(qū)域的距離為歐式距離。更新當前貼 入紋理的邊緣值為區(qū)域原有象素值與當前貼入紋理邊緣值的平均值。確定當前的目標區(qū)域為下一個(K xK)大小的紋理塊，即當前需要合 成的紋理塊，取得與該塊紋理相鄰的上邊緣尺寸為(『￡><(^+^))與左邊 緣尺寸為(^x)^)大小的區(qū)域灰度值，記為^，， Pk為目標區(qū)域中除去以 上邊緣后的區(qū)域，在該目標區(qū)域尚未合成時，Pk為空白區(qū)域，如圖3 (e) 所示，當目標區(qū)域合成后，Pk區(qū)域的紋理為新增加的紋理，如圖3 (f) 所示。圖3 (d)為合成第一個紋理塊即P,后的示意圖，圖3 (f)為合成 第k個紋理塊后的示意圖。將預處理后所得的清晰虹膜紋理區(qū)域作為待采樣的輸入圖像，對該 圖像以(^+^)x(K+K)大小的紋理塊進行采樣，取得該塊紋理的上邊 緣尺寸為(^x(^+R.))與左邊緣尺寸為(^x『,)大小的區(qū)域灰度值，記 為《 ，如圖3 (a)和圖3 (b)所示。計算S，與A"的歐式距離。將圖 像遍歷采樣后得到的所有距離值進行排序，距離最小的前A個區(qū)域?qū)?紋理塊取出，形成一個待選紋理塊的集合，記為0,。如圖3 (a)中A,，A; 至A^所示即為某次采樣中的m個紋理塊。從集合①p中隨機的選取一塊紋理A"，貼入當前的目標區(qū)域中。此時 邊緣區(qū)域&n與&重疊，將重疊的區(qū)域更新為^，與^的平均值，艮卩<formula>formula see original document page 10</formula>23.重復步驟2直到紋理塊將初始圖像貼滿為止，此時的圖像即為合 成的歸一化虹膜圖像。其三，是根據(jù)虹膜圖像的特性生成多幅類內(nèi)虹膜圖像。 由于紋理塊選擇時的隨機性，用塊狀紋理采樣所合成的每一幅虹膜 圖像都屬于不同類圖像，即此時合成數(shù)據(jù)庫中每類只有一幅圖像。要使 數(shù)據(jù)庫適合于算法測試，每類必須包含多幅圖像。根據(jù)虹膜圖像的類內(nèi) 變化特性，本發(fā)明的方法用紋理非線性形變、紋理隨機擾動和虹膜圖像 旋轉(zhuǎn)等方法來生成類內(nèi)虹膜圖像。本發(fā)明的方法主要描述以下三種類內(nèi)虹膜圖像的生成方法 l.虹膜紋理的非線性形變。本發(fā)明的方法假設(shè)虹膜的非線性形變是由線性形變與一個附加形變 值的和來表達^訓/,"=《,"+厶^其中A。^表示非線性形變下的紋理中的任意一個點到瞳孔中心的距 離，《,"表示線性形變下的同一個點到瞳孔中心的距離，Ai 即為附加形 變值。統(tǒng)計表明該虹膜形變在靠近瞳孔和虹膜邊界的時候比較小，而在 虹膜紋理的中心形變較大，因此本發(fā)明的方法用高斯模型來模擬虹膜的 非線性形變，此時上式表達成I* = 4 + ^ = 4 + (4 _ T) x A^，其中r為瞳孔與虹膜的半徑比，即r-^，；為一個訓練后的閾值，《w(;/,一)為高斯分布的表達。如果情況為瞳孔收縮，(7;-r)^0，則^為 正值，即該情況下虹膜非線性形變距離比線性形變距離值更大，虹膜處 于紋理拉伸的狀態(tài)；反之，瞳孔擴張時，(4-:r)<o， ^A為負值，虹膜 處于紋理壓縮的狀態(tài)。圖4顯示了虹膜紋理在拉伸和壓縮狀態(tài)時的示意圖，圖4 (a)是圖4 (b)的歸一化圖像，為瞳孔擴張，虹膜壓縮的情況; 圖4 (c)是圖4 (d)的歸一化圖像，為瞳孔收縮，虹膜拉伸的情況。圖 4 (a)中的a,和圖4 (c)中的a2表示的是同一個塊紋理對瞳孔的距離， 但是由于瞳孔的擴張與壓縮，其歸一化圖像中該塊紋理出現(xiàn)在了不同的位置，從圖中能明顯看出32>&1，表明圖像(a)處于壓縮狀態(tài)，圖像(C) 處于拉伸狀態(tài)。2. 虹膜紋理的隨機擾動本發(fā)明的方法通過如下步驟來實現(xiàn)虹膜紋理的隨機擾動，以生成類 內(nèi)虹膜圖像。1) 在歸一化虹膜紋理中，隨機選擇若干個區(qū)域，如圖5 (a)中黑色 方格所示意。2) 對于每一個區(qū)域/'，如圖5 (b)中黑色方格所示，將區(qū)域內(nèi)的像 素值按照一個預先生成的形變模板做擾動。該形變模板是在一個 可接受的閾值下隨機生成的，如圖5 (d)所示。3) 對于步驟2)中的擾動所造成的空白像素區(qū)域，使用雙線性插值 的方法填充，使其平滑。圖5 (c)顯示了原始圖像(b)經(jīng)過擾動后的紋理，/;即為/'的擾動 結(jié)果。3. 虹膜旋轉(zhuǎn)歸一化虹膜圖像是將環(huán)形虹膜從笛卡爾坐標系展開后成長方形的極 坐標系，因此環(huán)狀虹膜圖像的旋轉(zhuǎn)即相當于歸一化虹膜圖像在水平方向 的平移。假設(shè)歸一化虹膜圖像長度是M,，將歸一化虹膜圖像的最后/t列 截取后作為旋轉(zhuǎn)圖像的前^列，原圖像的前(M,-"列即作為旋轉(zhuǎn)圖像的后 (M,-zt)列，如圖6 (a)、圖6 (b)所示，這樣旋轉(zhuǎn)圖像在原圖像的基礎(chǔ) 上的旋轉(zhuǎn)角度^為" 2;rx A:在本發(fā)明的方法中，歸一化虹膜長度M,的取值為512，生成的類內(nèi)虹膜 圖像旋轉(zhuǎn)角度限制于H5。,+15。]之間，所以歸一化虹膜圖像的水平方向平 移將被限制在正負7個像素之間。其四，是將歸一化的虹膜圖像轉(zhuǎn)換成環(huán)形虹膜圖像。 生成類內(nèi)多幅歸一化虹膜圖像后，極坐標下的歸一化圖像需要再轉(zhuǎn) 換成笛卡爾坐標下的環(huán)形虹膜圖像。歸一化虹膜圖像轉(zhuǎn)換成圓環(huán)形是將 歸一化的固定尺寸的矩形虹膜圖像映射成多種尺寸的環(huán)形虹膜圖像。這個步驟同樣使用雙線性插值的方法來完成。在轉(zhuǎn)換成環(huán)形圖像時瞳孔和 虹膜半徑的選擇根據(jù)其所對應的形變程度來確定，收縮虹膜的形變圖像 則轉(zhuǎn)換成大瞳孔的虹膜圖像，壓縮的虹膜紋理則轉(zhuǎn)換成小瞳孔的虹膜圖 像。其五，合成虹膜圖像數(shù)據(jù)庫的性能評價。對合成虹膜圖像數(shù)據(jù)庫建立評價體系，其合成虹膜圖像數(shù)據(jù)庫性能 的指標為合成虹膜圖像的外觀，數(shù)據(jù)庫容量和類內(nèi)類間距離。為驗證算法的有效性，我們將CASIA虹膜圖像數(shù)據(jù)庫中的圖像作為 輸入采樣圖像，合成了一個具有800類的數(shù)據(jù)庫。CASIA虹膜圖像數(shù)據(jù) 庫是由中科院自動化所創(chuàng)建的一個共享數(shù)據(jù)庫，用于評測虹膜識別算法， 目前已經(jīng)被國際上多家研究單位采用。我們從如下3個方面來檢驗合成 數(shù)據(jù)庫的有效性1) 合成虹膜圖像的外觀；2) 合成虹膜圖像數(shù)據(jù)庫的規(guī)模；3) 合成虹膜圖像數(shù)據(jù)庫的統(tǒng)計特性。圖7顯示了一些真實虹膜圖像與由多種不同方法合成的虹膜圖像。 圖7 (a)、圖7 (b)是真實的歸一化虹膜圖像，圖7 (c)、圖7 (d)是 用本發(fā)明的方法合成的歸一化虹膜圖像；圖7 (e)是用馬爾科夫隨機場 的方法合成的歸一化虹膜圖像；圖7 (f)是用PCA和超分辨率方法合成 的歸一化虹膜圖像；圖7 (g)是真實的環(huán)形虹膜圖像；圖7 (h)-圖7 (p) 為本發(fā)明方法合成的環(huán)形虹膜圖像。由圖可見，本發(fā)明方法所合成的虹 膜紋理與真實虹膜紋理非常相似，說明本發(fā)明方法能夠合成非常真實的 虹膜圖像。虹膜紋理的自由度是象征虹膜特征碼獨立性的一個標志，自由度的 計算旨在用二項分布來模擬虹膜類間分布特性，圖8所示，圖中柱狀分 布為合成虹膜庫類間漢明距離分布(Hamming distance)，實線為對該分 布的二次曲線擬合。圖9給出了真實虹膜類間漢明距離分布及其二次曲 線擬合。自由度的具體計算為其中，p為該分布的均值， 一為方差。在計算虹膜的類內(nèi)類間距離時，使用512字節(jié)的虹膜特征代碼，由此得到的真實虹膜圖像的自由度是622， 合成虹膜類間分布的自由度是406，也就是說，在該情況下兩個本為不同 類的虹膜圖像其特征代碼由于巧合而完全相同的概率是l/"6 。可見合成 虹膜圖像的自由度比真實虹膜圖像自由度小一些，但是在該自由度下完 全可以合成大規(guī)模的虹膜數(shù)據(jù)。由此可見，本發(fā)明的方法具有合成大規(guī) 模的虹膜圖像數(shù)據(jù)庫的能力。我們將所合成的800類每類40幅圖像的虹膜圖像數(shù)據(jù)庫做成兩個子 數(shù)據(jù)庫，記為合成虹膜子庫1和合成虹膜子庫2，每個庫仍然為800類， 每類包括20幅圖像。兩個子數(shù)據(jù)庫源圖像相同，只是在合成類間圖像時 使其具有不同的形變。子庫1的虹膜紋理形變較子庫2的形變大。對以 上兩個子數(shù)據(jù)庫作類內(nèi)分布統(tǒng)計，以及用合成這兩個子庫的源圖像作類 間分布統(tǒng)計，得到統(tǒng)計結(jié)果如圖10所示，即合成虹膜子庫l類內(nèi)距離， 合成虹膜子庫2類內(nèi)距離及合成虹膜庫類間距離。圖11給出了參考的真 實虹膜庫類內(nèi)距離和真實虹膜庫類間距離。同時我們對合成虹膜圖像數(shù) 據(jù)庫的識別性能進行統(tǒng)計，圖12顯示了識別性能的ROC曲線，即錯誤 接收率/錯誤拒絕率的曲線，圖中具體給出的是CASIA虹膜數(shù)據(jù)庫的ROC 曲線，合成虹膜子庫1的ROC曲線及合成虹膜子庫2的ROC曲線。在 該結(jié)果中，CASIA虹膜圖像數(shù)據(jù)庫的等錯誤率為0.7193%，子庫1的等 錯誤率為0.8204%，子庫2的等錯誤率為0.1138%，驗證了算法在生成子 庫1和子庫2時的情況，即子庫1的類內(nèi)形變更大，從而其識別錯誤率 要比子庫2的更高。通過參數(shù)的調(diào)節(jié)與控制，所合成的虹膜圖像數(shù)據(jù)庫 同樣可以達到與真實虹膜圖像數(shù)據(jù)庫相仿的程度。以上結(jié)果表明，合成 的虹膜圖像數(shù)據(jù)庫在統(tǒng)計性能上非常接近真實的虹膜圖像數(shù)據(jù)庫。同時 合成庫的類間距離參數(shù)可控，非常適合于識別算法的魯棒性測試。本發(fā)明可以對不同的虹膜識別算法進行性能比較和預測。實施方法 如下有兩個算法A和B在某個100類真實的虹膜圖像庫中測試效果都 非常好，錯誤率為0，不能區(qū)分出性能的好壞。本發(fā)明利用該數(shù)據(jù)庫中原 有的圖像，合成了一個10000類的虹膜圖像數(shù)據(jù)庫。將算法A和算法B 在該合成數(shù)據(jù)庫上再做測試，測試結(jié)果顯示，算法A在特征抽取上的性 能好于算法B的性能，得到了更低的錯誤率。因此這兩個算法的性能得以區(qū)分，也可以預測這兩個算法在進行較大規(guī)模的應用時，算法A將取 得更好的效果。以上所述，僅為本發(fā)明中的具體實施方式
，但本發(fā)明的保護范圍并 不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理 解想到的變換或替換，都應涵蓋在本發(fā)明的包含范圍之內(nèi)，因此，本發(fā) 明的保護范圍應該以權(quán)利要求書的保護范圍為準。
權(quán)利要求
1、一種基于塊狀紋理采樣的虹膜圖像數(shù)據(jù)庫合成方法，包括步驟步驟1對虹膜圖像進行虹膜定位，歸一化和去噪的預處理，得到清晰虹膜塊狀紋理作為采樣虹膜圖像；步驟2利用塊狀紋理采樣的方法，將真實虹膜圖像作為采樣圖像，合成歸一化虹膜圖像；步驟3從一幅合成歸一化虹膜圖像生成多幅類內(nèi)虹膜圖像；步驟4將歸一化虹膜圖像轉(zhuǎn)換成圓環(huán)形；步驟5采用虹膜圖像外觀，數(shù)據(jù)庫容量和類內(nèi)類間距離為評價指標，對合成虹膜圖像數(shù)據(jù)庫建立評價體系。
2、 按照權(quán)利要求1所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于， 所述虹膜圖像預處理包括步驟步驟ll:用閾值分割和圓擬合的方法，對虹膜定位； 步驟12:對定位的虹膜歸一化；步驟13:對歸一化的虹膜去噪并得到清晰虹膜紋理區(qū)域作為采樣圖像。
3、 按照權(quán)利要求2所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于，去噪并檢測特定的所述目標區(qū)域是將歸一化虹膜圖像中的眼皮和睫毛部 分剔除，保留干凈的虹膜紋理作為合成虹膜的輸入圖像。
4、 按照權(quán)利要求1所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于， 所述塊狀紋理采樣的虹膜圖像合成包括步驟步驟21:用一幅固定大小的圖像作為初始的虹膜歸一化圖像，并對 該圖像賦初值；步驟22:對所得區(qū)域采樣并將當前采樣紋理貼入合成圖像的目標區(qū) 域中；步驟23:更新當前所貼入紋理的邊緣值為區(qū)域原有象素值與當前貼 入紋理邊緣值的平均值；步驟24:重復步驟22—23直到得到完整的虹膜歸一化圖像。
5、 按照權(quán)利要求4所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于，所述更新當前貼入紋理的邊緣值為區(qū)域原有象素值與當前貼入紋理邊緣 值的平均值。
6、 按照權(quán)利要求4所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于， 對所得區(qū)域采樣包括步驟對區(qū)域遍歷采集固定尺寸的虹膜紋理塊，計 算每一個紋理塊的邊緣與初始化圖像相應目標區(qū)域的距離，得到邊緣距 離最近的若干個虹膜紋理塊并從中隨機選擇一個紋理貼入合成圖像的目 標區(qū)域。
7、 按照權(quán)利要求6所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于， 所述紋理塊的邊緣與目標區(qū)域的距離為歐式距離。
8、 按照權(quán)利要求1所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于，所述類內(nèi)虹膜圖像合成包括對歸一化的合成虹膜圖像，根據(jù)所賦予其瞳孔半徑和虹膜半徑的大小，對其進行相應的虹膜形變；對歸一化的合 成虹膜圖像進行隨機擾動；對歸一化的合成虹膜圖像作橫向平移。
9、 按照權(quán)利要求1所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于， 所述歸一化虹膜圖像轉(zhuǎn)換成圓環(huán)形是將歸一化的固定尺寸的矩形虹膜圖 像映射成多種尺寸的環(huán)形虹膜圖像。
10、 按照權(quán)利要求1所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于， 所述評價合成虹膜圖像數(shù)據(jù)庫性能的指標為合成虹膜圖像的外觀，數(shù)據(jù) 庫容量和類內(nèi)類間距離。
11、 按照權(quán)利要求IO所述的虹膜圖像數(shù)據(jù)庫合成方法，其特征在于， 所述類內(nèi)類間距離的度量方法為漢明距離。
全文摘要
本發(fā)明一種基于塊狀紋理采樣的虹膜圖像數(shù)據(jù)庫合成方法包括步驟對虹膜圖像預處理，得到特定的目標區(qū)域作為合成紋理的輸入圖像。該方法有效的從真實虹膜圖像中得到干凈的虹膜紋理；塊狀紋理采樣的虹膜圖像合成，通過非參數(shù)采樣方法，從真實的虹膜圖像中得到虛擬的合成虹膜圖像；模擬虹膜在各種外部和內(nèi)部條件下的變化特性，從一幅虛擬圖像中合成多幅類內(nèi)虹膜圖像，從而生成大規(guī)模的虹膜圖像數(shù)據(jù)庫；將合成的歸一化虹膜圖像轉(zhuǎn)換成圓環(huán)狀虹膜；建立合成虹膜圖像數(shù)據(jù)庫的評價體系。本發(fā)明用于對虹膜識別算法的大規(guī)模測試，用以比較和預測算法的性能，也作為虛擬圖像對現(xiàn)有系統(tǒng)作攻擊測試，為應用系統(tǒng)增加防偽功能。
文檔編號G06K9/00GK101404059SQ200810222770
公開日2009年4月8日 申請日期2008年9月24日 優(yōu)先權(quán)日2008年9月24日
發(fā)明者孫哲南, 譚鐵牛, 韋卓識 申請人:中國科學院自動化研究所